<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ai_coder_ai的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/ai_coder_ai</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; ai_coder_ai]]></copyright><item><title><![CDATA[图数据库在业务系统中的架构设计与应用]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/169527245</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/169527245</guid><author>ai_coder_ai</author><pubDate>Fri, 30 Oct 2026 08:21:39 +0800</pubDate><description><![CDATA[2025年，我作为核心架构师参与了某互联网平台“关系链智能风控与推荐系统”的架构升级。该系统原有关系型数据库在二度及以上关联查询中遭遇严重的中间结果集膨胀，三度关系查询耗时高达45—120秒，且伴随磁盘临时表溢出与连接池耗尽风险。我主导引入Neo4j图数据库，采用MySQL与Neo4j协同的混合持久化架构。本文论述了属性图建模、索引设计与查询优化策略，以及基于CDC的跨库最终一致性方案。系统上线后，三度关系查询从秒级降至0.05秒，欺诈团伙识别准确率提升37%，验证了图数据库在深度关联场景下的架构价值。]]></description><category></category></item><item><title><![CDATA[在自动化脚本中录制视频]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/169526388</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/169526388</guid><author>ai_coder_ai</author><pubDate>Fri, 30 Oct 2026 08:15:54 +0800</pubDate><description><![CDATA[录制视频这个功能，在自动化脚本里看起来只是一对start和stop调用，但实际落地时，真正耗时间的往往不是录制本身，而是权限没到位导致的黑屏、录完的文件在相册里找不到、帧率和缩放配得不对让文件大出好几倍。冰狐的录制 API 不多，但围绕它的前置条件和收尾动作不能省略。下面从实际使用的角度，把这条链路拆开说清楚。]]></description><category></category></item><item><title><![CDATA[AIOps 智能运维架构设计及其应用]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/169425533</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/169425533</guid><author>ai_coder_ai</author><pubDate>Thu, 29 Oct 2026 08:12:18 +0800</pubDate><description><![CDATA[我参与的是某股份制银行“交易链路可观测与智能运维平台”的建设，项目目标是在不替换既有 Prometheus、ELK 监控底座的前提下，为支付与转账核心链路叠加一层 AIOps 能力，解决“告警多、定位慢、处置靠人”的运维瓶颈。这一设计使自动化处置的成功率逐步收敛，而不是在“全自动”和“全人工”之间摇摆。实际运行后发现，压垮值班的并非完全相同的告警，而是来自不同对象、不同指标、根因相同的一串告警——数据库连接池耗尽会同时触发上游多个微服务的健康检查失败和 SLO 告警，字段哈希无法将它们合并。]]></description><category></category></item><item><title><![CDATA[在自动化脚本中如何操作二维码]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/169424347</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/169424347</guid><author>ai_coder_ai</author><pubDate>Thu, 29 Oct 2026 08:04:05 +0800</pubDate><description><![CDATA[在移动端自动化脚本里，二维码通常不是“主体”，而是一个：脚本需要把一段数据变成可扫描的图，或者从屏幕上的二维码里读出一段文本，再根据这段文本决定下一步点击哪里、打开什么页面。冰狐在全局函数层面直接提供了qrEncode和qrDecode，没有引入第三方二维码库的配置负担，适合嵌入到 JS 自动化流程中。下面围绕这两个函数，结合冰狐自身的writeImage和 Bitmap 管理机制，给出可以直接运行的脚本样例，并说明几个容易被忽略的工程细节。]]></description><category></category></item><item><title><![CDATA[多 Agent 智能应用系统架构设计]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/169329873</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/169329873</guid><author>ai_coder_ai</author><pubDate>Wed, 28 Oct 2026 08:31:20 +0800</pubDate><description><![CDATA[我参与开发了某大型制造集团的“设备运维智能协同系统”。该系统面向集团下属多个工厂的设备运维场景，接入设备台账、运维知识库、历史工单、EAM/MES 系统以及实时告警数据，目标是通过多 Agent 智能应用实现自然语言报障、故障诊断建议、维修方案生成、工单自动派发与闭环跟踪。系统上线后主要服务于一线运维工程师、班组长和设备管理人员，日均处理工单和咨询请求约千余次，要求在高并发下保证回答可追溯、工具调用可控、写操作可审批。]]></description><category></category></item><item><title><![CDATA[在自动化脚本中启动app和停止app]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/169328633</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/169328633</guid><author>ai_coder_ai</author><pubDate>Wed, 28 Oct 2026 08:24:22 +0800</pubDate><description><![CDATA[自动化脚本的执行链条通常可以拆成三段：把目标 App 拉起来，在界面里完成操作，再把 App 收回去。中间那一段往往最受关注，启动和停止却容易被当成两行调用草草带过。实际上，这两个动作恰恰是整条链路里最容易出现“不确定性”的位置：启动可能静默失败，停止可能因为系统权限或应用自身的防杀机制而不生效。冰狐提供了若干 API 来覆盖这些场景，但它们各自的语义和边界并不相同，混用或者误用都会让脚本在无人值守时变得脆弱。]]></description><category></category></item><item><title><![CDATA[论事件驱动架构（EDA）在企业系统集成中的应用]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/169227349</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/169227349</guid><author>ai_coder_ai</author><pubDate>Tue, 27 Oct 2026 08:02:14 +0800</pubDate><description><![CDATA[对于跨多服务的履约流程，采用Saga编排思想记录每一步的业务状态，支付失败时触发库存预留的释放补偿，补偿操作本身同样幂等，确保不会因为补偿重试造成二次扣减或二次释放。最终一致性的监控不依赖“有没有报错”，而是对关键事件链路设置对账与延迟告警：订单已支付但库存未在阈值内预留、积分未在阈值内入账，都会触发核查任务从事件日志中重放或补发，把“最终”控制在业务可接受的时间窗口内。一次下单的串行耗时在600ms以上，更严重的是，积分服务的一次短时故障曾导致用户已付款的订单被整体回滚，引发大量客诉。]]></description><category></category></item><item><title><![CDATA[使用Web IDE边写自动化脚本]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/169225837</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/169225837</guid><author>ai_coder_ai</author><pubDate>Tue, 27 Oct 2026 07:51:55 +0800</pubDate><description><![CDATA[冰狐 WebIDE 的整套设计其实是在做一个取舍：用语言层面的约束和同步式的 API 调用，换取脚本在移动设备上执行时的可预测性。这个设计在标准 JS 开发者看来可能不可接受，但在自动化脚本的语境下有它的逻辑：脚本的核心任务是驱动界面和交换数据，类型在大多数场景下是可控的，强类型比较带来的收益不足以抵消新手理解成本。这在自动化脚本里是合理的：脚本的执行本身就是线性的，点击、等待、再点击，网络请求嵌在中间阻塞主线程反而符合直觉。这些能力不宜作为首选方案，但在控件信息缺失的顽固场景下，它们让脚本仍然有路可走。]]></description><category></category></item><item><title><![CDATA[自动化脚本最佳实践]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/168948327</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/168948327</guid><author>ai_coder_ai</author><pubDate>Sat, 24 Oct 2026 08:38:23 +0800</pubDate><description><![CDATA[脚本的常见缺陷有很强的模式性：未引用的变量、忘记处理的退出码、rm -rf前面没有保护、硬编码的路径、只在某个 shell 版本上能跑的语法。ShellCheck 这类静态检查工具能在几秒内捕获其中很大一部分，把它接入 CI 或 pre-commit 的成本极低，收益却远高于事后排查。对于逻辑较复杂的脚本，bats之类的测试框架可以用很小的用例覆盖参数解析、幂等分支和错误路径，避免每次修改都靠手工重跑全部场景来确认没有回归。]]></description><category></category></item><item><title><![CDATA[论平台工程（平台化架构）在云原生系统中的设计与实践]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/168947463</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/168947463</guid><author>ai_coder_ai</author><pubDate>Sat, 24 Oct 2026 08:32:33 +0800</pubDate><description><![CDATA[针对云原生与微服务规模化后基础设施碎片化与开发者认知负荷过载的结构性矛盾，本文以一个金融集团内部开发者平台（IDP）的设计与落地为背景，论述平台工程架构的核心设计决策。平台工程不是DevOps的替代，而是在云原生技术栈复杂度越过个体开发者可承载阈值之后，将“全栈DevOps”收敛为“平台承载标准化、业务聚焦交付”的分层协作模式。]]></description><category></category></item><item><title><![CDATA[自动化脚本中如何点击控件]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/168554214</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/168554214</guid><author>ai_coder_ai</author><pubDate>Tue, 20 Oct 2026 15:44:06 +0800</pubDate><description><![CDATA[无障碍权限 → findView 定位（tag 选择器 + flag 过滤 + family 间接定位）→ 判断 clickable → 原生点击优先 / 手势模拟兜底 / 坐标点击最后 → afterWait 与 checkDisappearStep 验证生效。真正决定脚本质量的，往往不是某一行点击代码，而是定位条件是否足够收敛、点击方式是否与控件属性匹配，以及是否在点击之后留出了对界面变化的确认机制。把这几个环节分开思考、组合使用，才能让“点击控件”从一个脆弱的动作变成可重复的自动化步骤。]]></description><category></category></item><item><title><![CDATA[自动化脚本中如何实现查找控件]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/168526657</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/168526657</guid><author>ai_coder_ai</author><pubDate>Tue, 20 Oct 2026 09:08:40 +0800</pubDate><description><![CDATA[在冰狐的无障碍自动化脚本中，控件查找是整个操作链条的起点。点击、输入、滚动、页面切换，这些动作无一例外都需要先“找到”目标控件。冰狐将这一能力集中收敛在findView这一个函数上，但它所涉及的参数和策略远不止“传一个文本”那么简单。从 tag 选择器的语法体系，到options中的 flag、root、family、region 与失败回调，再到面对无标识控件时的间接定位思路，理解这套机制的实际边界和组合方式，是写出稳定脚本的前提。findView。]]></description><category></category></item><item><title><![CDATA[自动化脚本中如何快速实现rpa]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/168443079</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/168443079</guid><author>ai_coder_ai</author><pubDate>Mon, 19 Oct 2026 14:35:57 +0800</pubDate><description><![CDATA[快速实现 RPA”在冰狐的语境下，不是靠拖拽几个节点完成的——那是另一种产品形态。冰狐给出的是一条更贴近开发者的路径：用一套统一的 JavaScript API，把控件操作、文字识别、图色匹配和网络请求放在同一个运行时里，让脚本同时具备“操作界面”和“对接系统”的能力，再由 Open API 把单设备脚本提升为可调度、可编排的自动化单元。真正决定一个 RPA 脚本能否从演示走向生产的，不是 API 的数量，而是你是否认真对待了定位分层、权限时序、资源回收和失败重试这些“不酷但致命”的细节。]]></description><category></category></item><item><title><![CDATA[论云原生微服务治理及其应用]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/164043725</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/164043725</guid><author>ai_coder_ai</author><pubDate>Tue, 25 Aug 2026 08:28:43 +0800</pubDate><description><![CDATA[云原生微服务治理不是单一组件的选型，而是一套分层协作的体系。API网关守卫边界，服务网格治理内网，可观测体系提供洞察，治理平台整合能力。在落地过程中，需要根据业务规模、团队能力和资源约束做出务实的权衡，而非追求技术上的“大而全”。服务网格的价值不在于“引入”这个动作本身，而在于它能否真正帮助团队“看得见、管得住、出问题能定位”。]]></description><category></category></item><item><title><![CDATA[pc浏览器网页如何实现自动化操作]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/164043693</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/164043693</guid><author>ai_coder_ai</author><pubDate>Tue, 25 Aug 2026 08:27:06 +0800</pubDate><description><![CDATA[通过本文的讲解，我们可以看到，虽然冰狐智能辅助原生仅支持Android设备，但通过合理配置Chrome浏览器的桌面浏览模式，并结合冰狐提供的完整API体系，完全可以在Android设备上实现对PC浏览器网页的自动化操作。需要特别注意的是，在编写自动化脚本时应遵循最佳实践——优先使用ID定位、合理添加等待时间、实现双重兜底机制——以确保脚本的长期稳定运行。希望本文能帮助开发者快速上手冰狐API，实现PC浏览器网页的自动化操作。]]></description><category></category></item><item><title><![CDATA[论大模型应用系统的架构设计]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/164011729</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/164011729</guid><author>ai_coder_ai</author><pubDate>Mon, 24 Aug 2026 06:43:06 +0800</pubDate><description><![CDATA[大模型推理与服务的核心层，涵盖模型托管、模型服务网关（统一管理模型调用，实现请求路由、负载均衡、结果缓存）、会话管理（维护多轮对话状态）。阿里云发布的《AI原生应用架构白皮书》将上述架构的关键要素归纳为模型、框架、提示词、RAG、记忆、工具、网关、运行时、可观测、评估和安全等11大要素，构成了AI原生应用架构的完整视图。，主导了整体架构设计工作，具体职责包括：技术选型与部署模式决策、分层架构设计、核心组件（模型网关、向量数据库、RAG流水线）的方案制定、以及性能优化与安全合规方案的设计。]]></description><category></category></item><item><title><![CDATA[如何使用app自动化技术为大模型自动搜集数据]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/164011722</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/164011722</guid><author>ai_coder_ai</author><pubDate>Mon, 24 Aug 2026 06:40:46 +0800</pubDate><description><![CDATA[设备管理层：Open API实现多设备的远程管理与脚本调度自动化操作层：JS脚本 + UI树定位 + 控件操作API，实现对任意App的模拟操作数据持久化层：LocalData、Excel、本地数据库、云端存储多种方案可选大模型集成层：BigModel API一键调用主流大模型，实现采集即处理对于需要为RAG系统持续更新知识库、为垂直领域模型积累训练数据、或构建实时数据分析管道的开发者来说，基于冰狐API构建自动化采集体系，是一个值得认真考虑的技术方向。]]></description><category></category></item><item><title><![CDATA[检索增强生成（RAG）的架构设计及其应用]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/163935739</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/163935739</guid><author>ai_coder_ai</author><pubDate>Fri, 21 Aug 2026 07:50:42 +0800</pubDate><description><![CDATA[2025年至2026年间，我作为核心技术负责人，主导设计并开发了某大型企业的智能知识问答系统。该项目背景源于企业数字化转型过程中面临的现实痛点：企业内部积累了数万份产品文档、技术方案、售后案例和规章制度等非结构化知识资产，但传统关键词搜索无法精准定位用户所需信息，技术团队在历史问题排查中效率低下。与此同时，大语言模型虽有强大的语义理解与生成能力，却无法直接接入企业私有数据，且存在知识滞后和内容幻觉等固有问题。基于上述背景，我们决定构建一套基于检索增强生成（RAG）架构的企业级智能问答系统。]]></description><category></category></item><item><title><![CDATA[在自动化脚本中如何高效设置文本，粘贴文本]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/163935720</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/163935720</guid><author>ai_coder_ai</author><pubDate>Fri, 21 Aug 2026 07:47:33 +0800</pubDate><description><![CDATA[最棘手的情况是：目标界面完全由开发者自绘制，没有使用任何标准Android控件。此时冰狐的UI树抓取不到任何有效节点，前两种方法全部失效。冰狐平台针对这种极端场景提供了基于OCR 识别的解决方案。核心思路是：先用 OCR 找到目标控件在屏幕上的位置，然后模拟长按弹出粘贴菜单，最后点击“粘贴”按钮。// 请求屏幕截图（OCR 需要基于当前屏幕图像）// 把待粘贴的文本放入系统剪贴板setClipboardData('水果');// 用 OCR 查找目标控件。]]></description><category></category></item><item><title><![CDATA[微服务架构下的服务网格（Service Mesh）设计与应用]]></title><link>https://blog.csdn.net/ai_coder_ai/article/details/163904568</link><guid>https://blog.csdn.net/ai_coder_ai/article/details/163904568</guid><author>ai_coder_ai</author><pubDate>Thu, 20 Aug 2026 07:42:12 +0800</pubDate><description><![CDATA[在服务网格引入之前，团队通过Spring Cloud Netflix组件（Eureka、Ribbon、Hystrix等）实现了基础的服务发现、负载均衡和熔断降级能力，但随着服务数量从最初的30余个增长到120余个，服务间调用关系日益复杂，治理逻辑与业务代码的耦合问题愈发严重——每个服务都需要引入相同的SDK依赖、配置相似的熔断与重试参数、集成重复的链路追踪代码，开发和维护负担显著增加。服务网格的Sidecar代理对应用语言无感知，Java、Go、Python等异构语言开发的服务可以获得一致的治理能力。]]></description><category></category></item></channel></rss>